8 technologies de la donnée qui changent la donne

Considérées comme le développement le plus prometteur dans le secteur de la donnée, les données ‘as-a-Service’ changent profondément la façon à laquelle nous organisons et nous accédons à toutes les formes de données sur le réseau via une couche de service standardisée. Une plateforme DaaS facilite l’intégration rapide les données provenant de sources disparates et leur livraison en temps réel à toute application utilisateur final.

Une structure de gouvernance de données bien conçue, intégrant des fonctions de qualité des données éprouvées, offre la capacité à préparer des données pour des analyses avancées, et donc d’être plus compétitif sur les données. Pour que cela soit efficace, il est essentiel que les analystes, spécialistes et ingénieurs des données disposent de technologies facilitant la recherche, le nettoyage et la transformation.

Le temps réel apporte une nouvelle génération de solutions visant à améliorer les capacités des organisations à détecter et à répondre aux opportunités ou corriger les problèmes. La combinaison des plateformes de streaming en temps réel (comme Spark ou Flink), utilisées conjointement avec un gestionnaire de file d'attente de messages distribuée fiable, permet des analyses en temps réel fiables et des applications d'apprentissage automatique.

L’informatique cognitive bouleverse le paysage des données. Il n’est plus un projet qui n’évoque l’IA, et l’automatisation de la prise de décision ne cesse de gagner du terrain. Encore faudra-t-il pendant quelques années affronter la rareté des experts et data-scientists performants, et l’incompréhension des modèles avancés de l’IA…

L'intelligence augmentée, l’autre IA, combine la puissance de l'intuition humaine à l'intelligence de la machine et l'intelligence artificielle. Plus un utilisateur utilise des données et plus elle élargit la gamme des informations basées sur l'intention de l'utilisateur. Les plateformes d'analyse intégrant l'intelligence augmentée pourrraient contribuer à remédier aux lacunes en matière de compétences liées au développement de l'intelligence artificielle.

Les conteneurs hébergent dans un environnement portable les applications, les données, les dépendances et les environnements d'exécution. En automatisant les processus de déploiement des clusters, ils permettent d’intégrer le cloud beaucoup plus facilement et d’innover plus rapidement. Et avec l’émergence de l’orchestration des conteneurs (dont Kubernetes), la conteneurisation sera hautement stratégique pour optimiser le stockage, la sécurité et la mise en réseau.

L'essor de la normalisation permet aux organisations de tirer parti d'une gamme de technologies de données et de types de bases de données adaptés à leurs besoins. En particulier JSON (JavaScript Object Notation), un format d'échange de données léger, lisible et convivial, dont les modèles d’objets sont largement adoptés au sein de l’entreprise, tant pour la création de nouvelles applications que pour la modernisation d’applications existantes.

Bien que la gestion de données multi-modèle ne soit pas un concept nouveau, nous constatons une augmentation notable de son adoption. Cela provient de la quantité de données (volume) et de formats (variété) diffusée via les entreprises, qui rend nécessaire de pouvoir visualiser et exploiter les données dans de nombreuses perspectives. Le multi-modèle offre aux entreprises la flexibilité et l'agilité nécessaires pour utiliser tous les ensembles et les types de données nécessaires, et pour répondre à l'essor de l'informatique cognitive et de l'analyse en temps réel.

Source : DBTA

Image d’entête 881936346 @ iStock z_wei